Quase três décadas depois que o Deep Blue surpreendeu o mundo do xadrez, os pesquisadores ainda estão tentando responder a uma pergunta aparentemente simples: o que exatamente torna a IA tão boa no xadrez? Um artigo recente na APS Open Science, destacado pela Scientific American em 15 de novembro, oferece uma pista mensurável – e se resume a uma propriedade que os autores chamam de “tensão estratégica”.
Os mecanismos de xadrez há muito tempo são capazes de superar os humanos, forçando brutalmente um grande número de movimentos candidatos por meio da busca em árvores. Mecanismos modernos de redes neurais, como Stockfish e Leela Layers, usam redes treinadas para orientar essa busca, e seu jogo só se tornou mais formidável. O que o novo estudo acrescenta é um retrato estatístico de como o jogo deles difere do nosso – não apenas em quem ganha, mas na aparência do próprio tabuleiro à medida que o jogo se desenrola. Para os leitores que acompanham notícias de pesquisa sobre IA, o trabalho é um lembrete de que mesmo domínios de “sentimento resolvido”, como o xadrez, ainda mantêm questões em aberto sobre como as máquinas realmente pensam.
Medindo a tensão no quadro
O estudo foi liderado por físicos do Complexity Science Hub em Viena, com o autor sênior Vito D. P. Servedio. A equipe coletou jogos humano-contra-humano e jogos Stockfish-versus-Leela de bancos de dados on-line e depois mediu uma quantidade que eles chamam de tensão estratégica em cada posição: essencialmente, o número de interações mútuas possíveis entre peças opostas. As posições de alta tensão são aquelas em que muitas peças se enfrentam – ricas em capturas latentes, ameaças e contra-ameaças que podem ser desencadeadas por um único movimento.
A tensão é uma quantidade natural que os físicos devem alcançar. Ele captura, em um único número, quanta complexidade está latente em uma posição – quanto o estado do jogo mudaria se qualquer jogador empurrasse o tabuleiro além do limite para uma cascata de trocas.
Humanos simplificam; Os motores mantêm a prancha no limite
A descoberta central é uma divergência na forma como a tensão evolui. Nos jogos humanos, a tensão média era na verdade maior do que nos jogos de IA durante os primeiros 20 movimentos – a fase em que as pessoas se apoiam em aberturas memorizadas e táticas bem treinadas, esperando que a complexidade acabe forçando o oponente a escorregar.
Mas depois desse ponto, as linhas se cruzam. A tensão humana cai abaixo da dos jogos de IA, que permanece elevada no meio do jogo. A interpretação dos pesquisadores: à medida que as posições se tornam desconhecidas, os jogadores humanos simplificam, trocando peças e orientando-se para estruturas mais calmas porque não conseguem manter em mente toda a complexidade de muitas peças em interação e múltiplas opções ao mesmo tempo. Os motores não sentem tal restrição. Eles sustentam posições densas com ameaças mútuas que a maioria dos jogadores humanos consideraria intolerável de navegar – e precisamente nessas posições, sugere o estudo, é onde a precisão humana se degrada.
Habilidade, controles de tempo e profundidade de pesquisa
Os dados também mostraram que a tensão acompanha a habilidade e a deliberação tanto em humanos quanto em máquinas. Os jogadores humanos com classificações mais altas mantiveram maior tensão durante os jogos do que os jogadores com classificações mais baixas. Jogos com mais tempo de reflexão mostraram mais tensão – maior no xadrez clássico, menor no rápido e menor no blitz – consistente com a ideia de que sustentar a complexidade custa caro no esforço cognitivo. E do lado da máquina, a equipe observou que quando o Stockfish procurava árvores mais profundas de possíveis continuações, a tensão aumentava.
Os autores são cuidadosos com a causalidade. Uma tensão mais elevada correlacionou-se com uma maior capacidade tanto nos humanos como na IA, mas o estudo não mostrou que a tensão produz essa capacidade – ou que ela flui dela. É uma impressão digital de um jogo forte, ainda não um mecanismo demonstrado.
"Parece que eles estão jogando mágica"
A ambição dos investigadores vai além de caracterizar a estética do xadrez. “Provavelmente o nosso artigo é o que mais se aproxima da compreensão do que estas máquinas estão a fazer”, disse Servedio à Scientific American. “Caso contrário, parece que eles estão brincando de mágica.”
Esse enquadramento – tratar o jogo motorizado como um sistema físico a ser medido em vez de uma caixa preta a ser admirada – é o que distingue o trabalho das análises anteriores do xadrez mecânico. Em vez de perguntar se o movimento de um motor é o melhor, a equipe pergunta o que as estatísticas agregadas do funcionamento do motor revelam sobre o tipo de pesquisa e avaliação que a máquina está realizando.
Um aviso além do tabuleiro de xadrez
Servedio também traçou uma implicação perturbadora para domínios distantes dos 64 quadrados. Se os sistemas de IA alcançarem melhores resultados em ambientes complexos e adversários, mantendo alta tensão – mantendo vivas muitas interações voláteis simultaneamente – então implementá-los em algo como a diplomacia poderá significar estratégias otimizadas por máquinas que os humanos consideram incontrolavelmente frágeis. “Isso é muito perigoso porque quando há alta tensão, os sistemas ficam muito instáveis”, disse ele. "Portanto, apenas um pequeno erro de um dos lados causará um desastre."
A analogia é especulativa e os autores não afirmam ter medido a dinâmica diplomática. Mas aponta para uma tensão genuína (de tipo organizacional) na implementação da IA: a mesma propriedade que permite a um motor superar um grande mestre – o conforto com a complexidade sustentada – pode ser a propriedade que torna arriscada a adopção das suas estratégias em instituições humanas que não as conseguem manter de forma fiável.
O que o estudo não mostra
Vale a pena declarar claramente as limitações. O estudo estabelece uma correlação entre tensão e força de jogo, não um mecanismo causal que liga as duas. Ele compara um par específico de motores com uma população específica de jogos humanos de bancos de dados online, e o xadrez – com seus movimentos discretos e informações perfeitas – continua sendo o melhor cenário para esse tipo de análise. Estender a “tensão estratégica” a domínios mais confusos é uma hipótese, não um resultado.
Ainda assim, o artigo acrescenta algo que faltava na literatura sobre IA de xadrez: uma estatística simples e computável que separa claramente como humanos e máquinas gerenciam a complexidade ao longo de um jogo. O xadrez serviu durante muito tempo como um sistema modelo para estudar a cognição tanto em humanos como em máquinas, e a vitória do Deep Blue sobre Garry Kasparov em 1997 marcou o momento em que as máquinas provaram pela primeira vez que podiam superar-nos no nosso próprio jogo de cálculo. Quase 30 anos depois, a questão passou de se as máquinas podem vencer para a razão pela qual vencem – e, cada vez mais, para o que a sua forma de vencer nos pode ensinar sobre os sistemas aos quais estamos agora a entregar decisões no mundo real.
---
Fique à frente da IAReceba as últimas notícias, análises e avanços sobre IA — tudo em um só lugar.
Leia mais notícias sobre IA →
